代码拉取完成,页面将自动刷新
#spider_main.py---爬虫调度端:启动爬虫,停止爬虫,监视爬虫运行情况
#url_manager.py---URL管理器:对将要爬取的和已经爬取过的URL进行管理;可取出带爬取的URL,将其传送给“网页下载器”
#html_downloader.py---网页下载器:将URL指定的网页下载,存储成一个字符串,在传送给“网页解析器”
#html_parser.py---网页解析器:解析网页可解析出①有价值的数据②另一方面,每个网页都包含有指向其他网页的URL,解析出 来后可补充进“URL管理器”
#html_outputer.py---网页输出器:从网页解析器分析拿到的数据和url,按照编码好的格式以html的形式展示出来
#python3.6 #windows8
#run:运行调度端(spider_main.py)里的SpiderMain()方法,等到爬虫爬取完后,刷新项目,会在里面生成一个output.html 和output.md文件,这是最终需要的文件
#该爬虫是在python3.6环境下开发的,需要注意的是,内部一些方法和包和python2.7有所不同。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。
1. 开源生态
2. 协作、人、软件
3. 评估模型